让计算机自动获取知识是智能系统研究者一直以来的梦想，而作为人机交互接口的自然语言理解与知识表示的研究是目前非常热门的领域：自然语言理解可以定义为研究在人与人交际中以及在人与计算机交际中的语言问题的一门学科。自然语言是知识的主要载体，自然语言理解的研究建立在多个学科的基础之上，具有较大的研究意义。本文在框架与语义网络两种知识表示方法的基础上，设计了一个框架与语义网络相结合的结构化知识表示语言BabelL，并建立了基于BabelL语言的知识获取系统。通过分词与依存语法分析工具的处理，提出了基于规则方法的汉语到语义网络语言的转换算法，实现了知识的半自动获取。在实现知识半自动获取的基础之上，本文运用语义网络语言的语言推理能力，完成了基于语义网络语言知识库的简单内容的问答。 本文主要有以下几个方面的研究成果： (1) 设计了结构化知识表示语言BabelL，为半自动知识获取构建了知识结构体系 结构化知识表示语言BabelL结合了框架与语义网络这两种知识表示方法，能更加自然、灵活的表示与描述知识。 (2) 设计了基于规则方法的汉语到语义网络语言的转换算法 在汉语到语义网络语言的转换中，以分词、依存句法分析器为工具，分析生成依存三元组，并从依存关系树库中提取出依存三元组到语义网络语言的转换规则，利用这些规则实现了从依存三元组到语义网络语言的转换。 (3) 运用XML实现了对规则集的管理 传统规则方法的缺点包括：规则维护较困难、鲁棒性差；为解决这些问题，本文创新性的运用了XML技术实现规则集在转换中的灵活控制，大量的规则不需要以条件语句的形式写入程序，同时建立了一种基于语料的支持规则生成和维护的规则管理工具，并采用了默认规则，提高了系统的鲁棒性。由此很好的解决了传统规则方法的弊端。 (4) 在语义网络语言这种知识表示形式的基础上，实现了语义网络的线性推理与简单问答